お知らせ 2023年度・2024年度 学生員 会費割引キャンペーン実施中です
お知らせ 技術研究報告と和文論文誌Cの同時投稿施策(掲載料1割引き)について
お知らせ 電子情報通信学会における研究会開催について
お知らせ NEW 参加費の返金について
電子情報通信学会 研究会発表申込システム
講演論文 詳細
技報閲覧サービス
[ログイン]
技報アーカイブ
 トップに戻る 前のページに戻る   [Japanese] / [English] 

講演抄録/キーワード
講演名 2021-06-28 13:00
Nonparametric Bayesian Deep Visualization
石塚治也ブリヂストン)・持橋大地統計数理研NC2021-1 IBISML2021-1
抄録 (和) 高次元データを散布図で可視化する場合,次元削減により観測値を圧縮する必要がある.t-SNEに代表される,観測値間の類似度を元に次元削減を行う類似度ベース次元削減は,可視化の際に広く用いられている.しかし,観測値のベクトル表現によっては,観測値間の類似度と真の類似度が乖離するため,可視化精度が低下する.これに対して,ニューラルネットワーク(NN)を用いる深層潜在変数モデルは,観測値ベクトルよりも正確に特徴を反映する潜在表現を推定ができる可能性があり,ベクトル表現が原因で前者が機能しないときの有効な代替案になる.一方で性能の最適化には,NNのモデル構造など多くの超パラメータを調整する必要があり,その試行の中で,NNの大量のパラメータの学習を繰り返すため,計算時間が増大しやすい.また,可視化結果は設定された超パラメータの探索範囲によって変化する.本稿では,これらの問題点に対処するため,Nonparametric Bayesian Deep Visualization (NPDV) を提案する.NPDVは,NNによる潜在表現の推定と可視化を同時に行う確率モデルであり,無限混合ガウスモデル,無限ユニットNNを併用することで,少数の超パラメータでモデルが構成される.さらに,無限ユニットNNは少数のパラメータで定義されるため,パラメータ数も既存の深層潜在変数モデルと比較して少ない.本稿では提案手法の詳細と,実験結果について報告する. 
(英) (Not available yet)
キーワード (和) データ可視化 / ガウス過程 / ノンパラメトリックベイズモデル / 深層学習 / / / /  
(英) Data Visualization / Gaussian Processes / Nonparametric Bayesian / Deep Learning / / / /  
文献情報 信学技報, vol. 121, no. 80, IBISML2021-1, pp. 1-8, 2021年6月.
資料番号 IBISML2021-1 
発行日 2021-06-21 (NC, IBISML) 
ISSN Online edition: ISSN 2432-6380
著作権に
ついて
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します.(許諾番号:10GA0019/12GB0052/13GB0056/17GB0034/18GB0034)
PDFダウンロード NC2021-1 IBISML2021-1

研究会情報
研究会 NC IBISML IPSJ-BIO IPSJ-MPS  
開催期間 2021-06-28 - 2021-06-30 
開催地(和) オンライン開催 
開催地(英) Online 
テーマ(和) 機械学習によるバイオデータマイニング、一般 
テーマ(英)  
講演論文情報の詳細
申込み研究会 IBISML 
会議コード 2021-06-NC-IBISML-BIO-MPS 
本文の言語 日本語 
タイトル(和) Nonparametric Bayesian Deep Visualization 
サブタイトル(和)  
タイトル(英) Nonparametric Bayesian Deep Visualization 
サブタイトル(英)  
キーワード(1)(和/英) データ可視化 / Data Visualization  
キーワード(2)(和/英) ガウス過程 / Gaussian Processes  
キーワード(3)(和/英) ノンパラメトリックベイズモデル / Nonparametric Bayesian  
キーワード(4)(和/英) 深層学習 / Deep Learning  
キーワード(5)(和/英) /  
キーワード(6)(和/英) /  
キーワード(7)(和/英) /  
キーワード(8)(和/英) /  
第1著者 氏名(和/英/ヨミ) 石塚 治也 / Haruya Ishizuka / イシヅカ ハルヤ
第1著者 所属(和/英) 株式会社ブリヂストン (略称: ブリヂストン)
Bridgestone Corporation (略称: Bridgestone Corp.)
第2著者 氏名(和/英/ヨミ) 持橋 大地 / Daichi Mochihashi /
第2著者 所属(和/英) 統計数理研究所 (略称: 統計数理研)
The Institute of Statistical Mathmatics (略称: ISM)
第3著者 氏名(和/英/ヨミ) / /
第3著者 所属(和/英) (略称: )
(略称: )
第4著者 氏名(和/英/ヨミ) / /
第4著者 所属(和/英) (略称: )
(略称: )
第5著者 氏名(和/英/ヨミ) / /
第5著者 所属(和/英) (略称: )
(略称: )
第6著者 氏名(和/英/ヨミ) / /
第6著者 所属(和/英) (略称: )
(略称: )
第7著者 氏名(和/英/ヨミ) / /
第7著者 所属(和/英) (略称: )
(略称: )
第8著者 氏名(和/英/ヨミ) / /
第8著者 所属(和/英) (略称: )
(略称: )
第9著者 氏名(和/英/ヨミ) / /
第9著者 所属(和/英) (略称: )
(略称: )
第10著者 氏名(和/英/ヨミ) / /
第10著者 所属(和/英) (略称: )
(略称: )
第11著者 氏名(和/英/ヨミ) / /
第11著者 所属(和/英) (略称: )
(略称: )
第12著者 氏名(和/英/ヨミ) / /
第12著者 所属(和/英) (略称: )
(略称: )
第13著者 氏名(和/英/ヨミ) / /
第13著者 所属(和/英) (略称: )
(略称: )
第14著者 氏名(和/英/ヨミ) / /
第14著者 所属(和/英) (略称: )
(略称: )
第15著者 氏名(和/英/ヨミ) / /
第15著者 所属(和/英) (略称: )
(略称: )
第16著者 氏名(和/英/ヨミ) / /
第16著者 所属(和/英) (略称: )
(略称: )
第17著者 氏名(和/英/ヨミ) / /
第17著者 所属(和/英) (略称: )
(略称: )
第18著者 氏名(和/英/ヨミ) / /
第18著者 所属(和/英) (略称: )
(略称: )
第19著者 氏名(和/英/ヨミ) / /
第19著者 所属(和/英) (略称: )
(略称: )
第20著者 氏名(和/英/ヨミ) / /
第20著者 所属(和/英) (略称: )
(略称: )
講演者 第1著者 
発表日時 2021-06-28 13:00:00 
発表時間 25分 
申込先研究会 IBISML 
資料番号 NC2021-1, IBISML2021-1 
巻番号(vol) vol.121 
号番号(no) no.79(NC), no.80(IBISML) 
ページ範囲 pp.1-8 
ページ数
発行日 2021-06-21 (NC, IBISML) 


[研究会発表申込システムのトップページに戻る]

[電子情報通信学会ホームページ]


IEICE / 電子情報通信学会